Mustafa Tasci
Yüksek hızlı demiryolu hatlarındaki geometri sapmaları, dinamik tekerlek–ray yüklerini artırarak hat aşınmasını ve bileşen arızalarını hızlandırır. Araç üstü sürekli titreşim izleme, duruma dayalı bakım için pratik bir yol sunsa da, etiketli arıza verisinin kıtlığı gözetimli yöntemleri sınırlamaktadır. Bu çalışma, Madrid–Barselona hattında yaklaşık 250 km/s hızla toplanan ham ataletsel ölçüm birimi (IMU) ve Küresel Konumlama Sistemi (GPS) verisini, mekânsal olarak etiketlenmiş anomali göstergelerine dönüştüren tümüyle gözetimsiz dokuz aşamalı bir işlem hattı sunar. Hat; veri odaklı kalibrasyon, spektral ön analiz, kayan pencere kök ortalama kare (RMS) hesabı, medyan mutlak sapma (MAD) tabanlı eşikleme, tepe faktörü alt tiplemesi ve olay birleştirme adımlarını içerir. Yedi öznitelik, dört algoritmayla paralel çözümlenmiştir: Isolation Forest (IF), Local Outlier Factor (LOF), Tek Sınıf Destek Vektör Makinesi (OC-SVM) ve tek boyutlu evrişimli sinir ağı otokodlayıcısı (1D-CNN AE). Gerçek referans etiket bulunmadığından başarım; RMS örtüşmesi, Cohen-d benzeri ayrım skoru ve alıcı işletim karakteristiği eğrisi altındaki alan (ROC-AUC) ile değerlendirilmiştir. IF en keskin ayrımı (ROC-AUC = 0,9722), 1D-CNN AE ise en yüksek RMS örtüşmesini (%59,6) sağlamıştır. IF ile 1D-CNN AE'nin sıralama-normalize, ROC-AUC ağırlıklı yumuşak oylamalı topluluğu, tüm bireysel modelleri geride bırakmıştır (RMS örtüşmesi %72,4; ROC-AUC = 0,9861). Olay birleştirme, 10.681 anomaliyi 21 GPS etiketli olaya indirgeyerek önceliklendirilmiş bir bakım haritası üretmiş ve güvenilir, mekânsal olarak hassas tespitin saha etiketi olmadan mümkün olduğunu doğrulamıştır.